video-summarizer

Turn videos / audio / meeting recordings into structured transcripts & summaries — multi-backend ASR with auto-fallback, zero hard dependencies, and MCP support.

对 tmeet-skill（腾讯会议专属）的二创与泛化：去掉对单一会议平台的强依赖， 做成任意视频/音频都能用的总结工具。同一个核心代码，既能当命令行工具跑，也能当 MCP 服务器 被 Claude / Cursor / WorkBuddy 等任意 AI 客户端直接调用。

---

✨ 特性

• 多后端 ASR，自动降级：本地 Whisper → 阿里云百炼 → OpenAI，按可用性自动选；挂了无缝下一个。
• 零硬依赖：没装 ffmpeg / whisper 也不崩，给出清晰安装指引。
• 外部转写直读：已有 .txt / .srt / .vtt（含腾讯会议导出的转写）直接读，零依赖跑通。
• 结构化输出：transcript.txt（纯文本）、transcript.json（带元数据）、transcript.srt（字幕）。
• 双形态：命令行工具 + MCP 服务器，一份代码两种接入方式。
• 开闭原则：新增 ASR 后端只需实现一个函数并注册，主流程一行不动。

🔧 支持的转写后端

后端	参数值	是否联网	成本	依赖	数据出境
本地 Whisper	local	否（首下模型需网）	免费	faster-whisper + ffmpeg	否（离线）
阿里云百炼	aliyun	是	低	dashscope + DASHSCOPE_API_KEY	是（国内合规更稳）
OpenAI API	openai	是	按量	openai + OPENAI_API_KEY	是
外部转写文件	--transcript	否	免费	无	否

auto（默认）顺序：local → aliyun → openai；都不行则提示用 --transcript。

📦 安装

git clone https://github.com/yangmiao3/video-summarizer.git
cd video-summarizer
pip install -r requirements.txt

核心逻辑零硬依赖；上面会一并装 mcp / dashscope / openai / faster-whisper 以便用满所有后端。 只想用"外部转写直读"的话，不装任何东西也能跑。

🚀 快速开始

# 1) 已有转写文件（如腾讯会议导出）→ 零依赖直读
python -m video_summarizer.pipeline 会议.mp4 --transcript 转写.txt

# 2) 直接丢视频/音频，自动选后端转写（需配好至少一个 ASR 后端 + ffmpeg）
python -m video_summarizer.pipeline 会议录制.mp4 --backend auto --language zh

# 3) 指定后端
python -m video_summarizer.pipeline lecture.m4a --backend aliyun --language zh

输出在源文件旁的 <stem>_transcript/ 目录：transcript.txt / transcript.json / transcript.srt。 拿到转写后，交给任意 LLM（或你的总结 Skill）按模板生成概览 / 章节 / 核心要点 / 行动项即可。

🔌 作为 MCP 服务器使用（跨客户端复用）

pip install mcp
python -m video_summarizer.mcp_server

客户端配置（以 WorkBuddy 为例，编辑 ~/.workbuddy/mcp.json）：

{
  "mcpServers": {
    "video-summarizer": {
      "command": "python",
      "args": ["-m", "video_summarizer.mcp_server"]
    }
  }
}

配置后，AI 客户端就能直接调用 transcribe_audio / summarize_video / list_backends 三个工具。

📁 项目结构

video-summarizer/
├── README.md
├── LICENSE
├── requirements.txt
├── .gitignore
├── SKILL.md                      # 兼顾 WorkBuddy 技能用法
├── src/video_summarizer/
│   ├── __init__.py
│   ├── asr.py                    # 多后端转写（核心，开闭原则）
│   ├── pipeline.py               # 抽音频 + 转写 + 落盘（CLI 入口）
│   └── mcp_server.py            # MCP 封装（FastMCP）
├── assets/summary_template.md   # 总结模板
└── examples/sample_transcript.txt

🧩 扩展：加一个新后端（开闭原则演示）

只需在 asr.py 实现一个函数并注册，不用改任何主流程：

def _try_my_backend(audio: Path, language: str) -> Transcript | None:
    key = os.environ.get("MY_KEY")
    if not key:
        return None
    # ... 调用你的 ASR ...
    return Transcript(text=..., segments=..., backend="my-backend")

BACKENDS["my"] = _try_my_backend   # 一行注册，transcribe() 自动支持 --backend my

📄 许可证

MIT —— 可自由用于学习与商业项目。